一种多无人机协同的智能巡检方法及系统与流程

1.本技术涉及无人机航测巡检技术领域，具体涉及一种多无人机协同的智能巡检方法及系统。


背景技术：

2.随着社会的进步和发展，各地的机动车保有量显著增加。现如今，行驶在道路上的机动车越来越多，在方便人们工作生活出行的同时也带来了一些安全隐患，比如危险驾驶或者不正确驾驶所带来的交通事故。为了尽量减少此类交通事故的发生，需要对交通路段进行车辆行驶检测。然而相关的路段巡检技术存在准确率低下且延时性高的技术问题。


技术实现要素：

3.有鉴于此，本技术提供了一种多无人机协同的智能巡检方法及系统。
4.本技术提供了一种多无人机协同的智能巡检方法，应用于智能巡检系统，所述方法包括：获取第一多旋翼巡检无人机当前航测到的路段巡检定位车辆的第一可视化航测数据；其中，所述第一多旋翼巡检无人机用于路段巡检过程中的全路面航测；从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，其中，所述第二多旋翼巡检无人机用于非路段巡检过程中的全路面航测；对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆；当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
5.在一种可能的设计思路下，所述对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆，包括以下一种或多于一种的方式：确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容，其中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车头姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车头姿态关键内容；并将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析；其中，第一车头姿态关键内容和第二车头姿态关键内容均包括车头姿态幅度和车头调整方向；确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容，其
中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车身姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车身姿态关键内容；并将所述第一车身姿态关键内容与所述第二车身姿态关键内容进行对比分析；其中，第一车身姿态关键内容和第二车身姿态关键内容均包括车身姿态幅度和车身调整方向。
6.在一种可能的设计思路下，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容包括：在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第一车头姿态关键内容中的所述车头姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第二车头姿态关键内容中的所述车头姿态幅度；将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向确定为所述第一车头姿态关键内容中的所述车头调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向确定为所述第二车头姿态关键内容中的所述车头调整方向；确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容包括：在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果作为所述第一车身姿态关键内容中的所述车身姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果作为所述第二车身姿态关键内容中的所述车身姿态幅度；将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第一车身姿态关键内容中的所述车身调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第二车身姿态关键内容中的所述车身调整方向。
7.在一种可能的设计思路下，所述将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，包括以下一种或多于一种的方式：分别确定所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第一图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第二图谱轨迹的轨迹变化程度，将所述第一图谱轨迹的轨迹变化程度和所述第二图谱轨迹的轨迹变化程度进行对比分析；分别确定所述路段巡检定位车辆在所述第一可视化航测数据中右前车轮姿态幅
度和右前车轮方向两者在第二二维投影空间中形成的第三图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在所述第二可视化航测数据中右前车轮姿态幅度和右前车轮方向两者在第二二维投影空间中形成的第四图谱轨迹的轨迹变化程度，将所述第三图谱轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析；所述将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，包括以下一种或多于一种的方式：分别确定所述路段巡检定位车辆的左车门在所述第一可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第五图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的左车门在所述第二可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第六图谱轨迹的轨迹变化程度；将所述第五图谱轨迹的轨迹变化程度和所述第六图谱轨迹的轨迹变化程度进行对比分析；分别确定所述路段巡检定位车辆的右车门在所述第一可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第七图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的右车门在所述第二可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第八图谱轨迹的轨迹变化程度；将所述第三图谱轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析。
8.在一种可能的设计思路下，所述当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，包括以下一种或多于一种的方式：当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
9.在一种可能的设计思路下，所述方法还包括：确定所述第一图谱轨迹与所述第一二维投影空间所形成的第一车辆状态热力图以及所述第二图谱轨迹与所述第一二维投影空间所形成的第二车辆状态热力图；确定所述第三图谱轨迹与所述第二二维投影空间所形成的第三车辆状态热力图以及所述第四图谱轨迹与所述第二二维投影空间所形成的第四车辆状态热力图；确定所述第五图谱轨迹与所述第三二维投影空间所形成的第五车辆状态热力图以及所述第六图谱轨迹与所述第三二维投影空间所形成的第六车辆状态热力图；
确定所述第七图谱轨迹与所述第四二维投影空间所形成的第七车辆状态热力图以及所述第八图谱轨迹与所述第四二维投影空间所形成的第八车辆状态热力图；所述当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，还包括以下一种或多于一种的方式：当对比分析结果表示所述第一车辆状态热力图与所述第二车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第三车辆状态热力图与所述第四车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第五车辆状态热力图与所述第六车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆；当对比分析结果表示所述第七车辆状态热力图与所述第八车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
10.在一种可能的设计思路下，所述提醒所述路段巡检定位车辆为需要进行关注的定位车辆之后，还包括以下一种或多于一种的方式：当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左前车轮为需要进行关注的位置；当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右前车轮为需要进行关注的位置；当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左车门为需要进行关注的位置；当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右车门为需要进行关注的位置。
11.在一种可能的设计思路下，所述从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，包括：将所述路段巡检定位车辆的车牌数据与非巡检信息库中存储的车牌数据进行对比分析；基于对比分析后的结果确定出所述路段巡检定位车辆在所述非巡检信息库中的对应的第二可视化航测数据。
12.在一种可能的设计思路下，所述方法还包括：在确定出所述路段巡检定位车辆为需要进行关注的定位车辆的前提下，将所述路段巡检定位车辆的第一可视化航测数据迁移至巡检校验数据库中；在确定出所述路段巡检定位车辆未存在异常的前提下，移除所述路段巡检定位车辆对应的所述第一可视化航测数据和所述第二可视化航测数据。
13.本技术还提供了一种智能巡检系统，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。
14.本技术还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
15.相较于现有技术，本技术提供的一种多无人机协同的智能巡检方法及系统具有以下技术效果：通过多无人机协作，能够获取路段巡检过程中的第一可视化航测数据以及非路段巡检过程中的第二可视化航测数据，进而对从第一可视化航测数据中确定出的路段巡检定位车辆与从第二可视化航测数据中确定出的路段巡检定位车辆进行对比分析，这样可以更为精细化地分析路段巡检定位车辆在不同可视化航测数据下的视觉行为关键内容之间的内容差异，并通过内容差别量化值判断路段巡检定位车辆是否为需要进行关注的定位车辆。如此，能够准确及时地进行车辆的异常行驶行为识别，从而改善相关技术中对于异常行驶行为识别不准确及车况异常警示滞后性的技术问题，在一定程度上提高无人机全路段巡检的效率。
16.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
17.为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
18.图1为本技术实施例所提供的一种智能巡检系统的方框示意图。
19.图2为本技术实施例所提供的一种多无人机协同的智能巡检方法的流程图。
20.图3为本技术实施例所提供的一种多无人机协同的智能巡检装置的框图。
具体实施方式
21.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本技术的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
22.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
23.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
24.图1示出了本技术实施例所提供的一种智能巡检系统10的方框示意图。本技术实施例中的智能巡检系统10可以为具有数据存储、传输、处理功能的服务端，如图1所示，智能巡检系统10包括：存储器11、处理器12、网络模块13和多无人机协同的智能巡检装置20。
25.存储器11、处理器12和网络模块13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有多无人机协同的智能巡检装置20，所述多无人机协同的智能巡检装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本技术实施例中的多无人机协同的智能巡检装置20，从而执行各种功能应用以及数据处理，即实现本技术实施例中的多无人机协同的智能巡检方法。
26.其中，所述存储器11可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。
27.所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器 (central processing unit，cpu)、网络处理器 (network processor，np)等。可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
28.网络模块13用于通过网络建立智能巡检系统10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
29.可以理解，图1所示的结构仅为示意，智能巡检系统10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
30.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
31.图2示出了本技术实施例所提供的一种多无人机协同的智能巡检的流程图。所述方法有关的流程所定义的方法步骤应用于上述的智能巡检系统10，所述方法包括以下步骤s21-步骤s24。
32.步骤s21、获取第一多旋翼巡检无人机当前航测到的路段巡检定位车辆的第一可视化航测数据；其中，所述第一多旋翼巡检无人机用于路段巡检过程中的全路面航测。
33.步骤s22、从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，其中，所述第二多旋翼巡检无人机用于非路段巡检过程中的全路面航测。
34.在本技术实施例中，可视化航测数据可以是图像数据，比如图片数据、红外图数据或者其他类型的可视化数据，可视化航测数据的航测角度可以不同，可依据实际情况而定。
35.进一步地，非巡检信息库可以理解为针对非巡检状态的可视化航测数据所对应的数据库，例如关系型数据库mysql。
36.在本技术实施例中，不同的多旋翼巡检无人机航可以按照各自设定的线路进行巡
航和拍摄，并尽可能确保多旋翼巡检无人机航之间的飞行线路的协同性，避免多旋翼巡检无人机航之间出现飞行线路冲突。无人机还可以与地面建立的中转站进行通信，从而提高巡检效率。
37.在一些可独立实施的方案中，步骤s22所描述的从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，可以包括以下内容：将所述路段巡检定位车辆的车牌数据与非巡检信息库中存储的车牌数据进行对比分析；基于对比分析后的结果确定出所述路段巡检定位车辆在所述非巡检信息库中的对应的第二可视化航测数据。
38.如此，以车牌数据为参考，能够准确确定出第二可视化航测数据。
39.步骤s23、对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆。
40.在本技术实施例中，路段巡检定位车辆可以是机动车，比如轿车、客车、货车等，但不限于此。进一步地，针对路段巡检定位车辆的比对分析可以通过车辆的局部位置姿态实现，从而提高车辆巡检的精度和可信度。
41.在一些可独立实施的方案中，步骤s23所描述的对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆，可以包括以下实施方式a和实施方式b中的至少一种。
42.实施方式a，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容，其中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车头姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车头姿态关键内容；并将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析；其中，第一车头姿态关键内容和第二车头姿态关键内容均包括车头姿态幅度和车头调整方向。
43.对于实施方式a而言，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车头姿态关键内容，与所述第二可视化航测数据中所述路段巡检定位车辆的第二车头姿态关键内容，可以包括以下步骤a1和步骤a2所描述的内容。
44.步骤a1、在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第一车头姿态关键内容中的所述车头姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车头所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果确定为所述第二车头姿态关键内容中的所述车头姿态幅度。
45.步骤a2、将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向确定为所述第一车头姿态关键内容中的所述车头调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向确定为所述第二车头姿态关键内容中的所述车头调整方向。
46.可以理解，通过上述步骤a1和步骤a2，能够基于多维投影空间（比如三维坐标系）
准确确定车头姿态关键内容。
47.对于实施方式a而言，将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，可以通过以下实施方式a3和实施方式a4中的至少一种实现。
48.实施方式a3、分别确定所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第一图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在第一可视化航测数据中左前车轮姿态幅度和左前车轮方向两者在第一二维投影空间中形成的第二图谱轨迹的轨迹变化程度，将所述第一图谱轨迹的轨迹变化程度和所述第二图谱轨迹的轨迹变化程度进行对比分析。
49.实施方式a4、分别确定所述路段巡检定位车辆在所述第一可视化航测数据中右前车轮姿态幅度和右前车轮方向两者在第二二维投影空间中形成的第三图谱轨迹的轨迹变化程度，以及所述路段巡检定位车辆在所述第二可视化航测数据中右前车轮姿态幅度和右前车轮方向两者在第二二维投影空间中形成的第四图谱轨迹的轨迹变化程度，将所述第三图谱轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析。
50.例如，图谱轨迹可以是曲线，轨迹变化程度可以是曲线的曲率。如此设计，通过对姿态幅度和方向进行图谱化处理，能够确保比对分析的精准性和及时性。
51.进一步地，实施方式a所描述的将所述第一车头姿态关键内容与所述第二车头姿态关键内容进行对比分析，可以通过以下实施方式a5和实施方式a6中的至少一种实现。
52.实施方式a5、分别确定所述路段巡检定位车辆的左车门在所述第一可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第五图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的左车门在所述第二可视化航测数据中左车门姿态幅度和左车门方向两者在第三二维投影空间中形成的第六图谱轨迹的轨迹变化程度；将所述第五图谱轨迹的轨迹变化程度和所述第六图谱轨迹的轨迹变化程度进行对比分析。
53.实施方式a6、分别确定所述路段巡检定位车辆的右车门在所述第一可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第七图谱轨迹的轨迹变化程度，以及取所述路段巡检定位车辆的右车门在所述第二可视化航测数据中右车门姿态幅度和右车门方向两者在第四二维投影空间中形成的第八图谱轨迹的轨迹变化程度；将所述第三图谱轨迹的轨迹变化程度和所述第四图谱轨迹的轨迹变化程度进行对比分析。
54.实施方式b，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容，其中，所述第一视觉行为关键内容包括所述路段巡检定位车辆的所述第一车身姿态关键内容，所述第二视觉行为关键内容包括所述路段巡检定位车辆的所述第二车身姿态关键内容；并将所述第一车身姿态关键内容与所述第二车身姿态关键内容进行对比分析；其中，第一车身姿态关键内容和第二车身姿态关键内容均包括车身姿态幅度和车身调整方向。
55.对于实施方式b而言，确定所述第一可视化航测数据中的所述路段巡检定位车辆的第一车身姿态关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二车身姿态关键内容，可以包括以下步骤b1和步骤b2。
56.步骤b1、在基于所述路段巡检定位车辆的轮廓所生成的多维投影空间中，将所述第一可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维
投影空间的初始参数之间的比较结果作为所述第一车身姿态关键内容中的所述车身姿态幅度，并将所述第二可视化航测数据中所述路段巡检定位车辆的车身所对应区域的空间参数与所述多维投影空间的初始参数之间的比较结果作为所述第二车身姿态关键内容中的所述车身姿态幅度。
57.步骤b2、将所述第一可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第一车身姿态关键内容中的所述车身调整方向，并将所述第二可视化航测数据中所述路段巡检定位车辆的第一车尾对应的特征图与第二车尾对应的特征图之间的方向作为所述第二车身姿态关键内容中的所述车身调整方向。
58.在本技术实施例中，姿态关键内容可以理解为姿态特征，比如可以通过特征图或者向量的形式进行表达。
59.如此设计，通过对车头、车身的姿态情况和调整情况进行分析，能够确保比对分析的精度和可信度。
60.步骤s24、当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
61.在本技术实施例中，视觉行为关键内容可以是视觉行为特征，内容差别量化值可以理解为特征差异度。进一步地，需要进行关注的定位车辆可以理解为存在行驶异常的或者存在行驶风险的定位车辆，这类车辆可能存在危险驾驶行为，需要重点进行关注或者进行相应的预警提示。
62.在一些可独立实施的技术方案中，步骤s24所描述的当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，可以包括以下四种情况中的至少一种。
63.第一种情况，当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
64.第二种情况，当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
65.第三种情况，当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
66.第四种情况，当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
67.在上述内容的基础上，该方法还可以包括以下步骤s31-步骤s34所描述的技术方
案。
68.步骤s31、确定所述第一图谱轨迹与所述第一二维投影空间所形成的第一车辆状态热力图以及所述第二图谱轨迹与所述第一二维投影空间所形成的第二车辆状态热力图。
69.步骤s32、确定所述第三图谱轨迹与所述第二二维投影空间所形成的第三车辆状态热力图以及所述第四图谱轨迹与所述第二二维投影空间所形成的第四车辆状态热力图。
70.步骤s33、确定所述第五图谱轨迹与所述第三二维投影空间所形成的第五车辆状态热力图以及所述第六图谱轨迹与所述第三二维投影空间所形成的第六车辆状态热力图。
71.步骤s34、确定所述第七图谱轨迹与所述第四二维投影空间所形成的第七车辆状态热力图以及所述第八图谱轨迹与所述第四二维投影空间所形成的第八车辆状态热力图。
72.例如，车辆状态热力图可以是图谱轨迹与二维投影空间所组成的区域面积，用于反映车辆状态的好坏。
73.在步骤s31-步骤s34的基础上，步骤s24所描述的当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆，还包括以下四种情况中的至少一种。
74.第五种情况，当对比分析结果表示所述第一车辆状态热力图与所述第二车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
75.第六种情况，当对比分析结果表示所述第三车辆状态热力图与所述第四车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
76.第七种情况，当对比分析结果表示所述第五车辆状态热力图与所述第六车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
77.第八种情况，当对比分析结果表示所述第七车辆状态热力图与所述第八车辆状态热力图两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
78.进一步地，在上述步骤s24所描述的提醒所述路段巡检定位车辆为需要进行关注的定位车辆之后，还包括以下步骤s251-步骤s254中的至少一种。
79.步骤s251、当对比分析结果表示所述第一图谱轨迹的轨迹变化程度与所述第二图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左前车轮为需要进行关注的位置。
80.步骤s252、当对比分析结果表示所述第三图谱轨迹的轨迹变化程度与所述第四图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右前车轮为需要进行关注的位置。
81.步骤s253、当对比分析结果表示所述第五图谱轨迹的轨迹变化程度与所述第六图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的左车门为需要进行关注的位置。
82.步骤s254、当对比分析结果表示所述第七图谱轨迹的轨迹变化程度与所述第八图谱轨迹的轨迹变化程度两者之间的差值大于设定量化值时，提醒所述路段巡检定位车辆的右车门为需要进行关注的位置。
83.如此设计，通过对车辆进行拆解化分析，能够精准确定出路段巡检定位车辆所需要被关注的位置，从而提高车辆巡检的精度，由于上述技术方案能够并行实现，可以确保车辆巡检的及时性，避免车辆巡检出现滞后。
84.在上述内容的基础上，该方法还可以包括以下步骤s261和步骤s262所描述的内容。
85.步骤s261、在确定出所述路段巡检定位车辆为需要进行关注的定位车辆的前提下，将所述路段巡检定位车辆的第一可视化航测数据迁移至巡检校验数据库中。
86.步骤s262、在确定出所述路段巡检定位车辆未存在异常的前提下，移除所述路段巡检定位车辆对应的所述第一可视化航测数据和所述第二可视化航测数据。
87.基于上述相同的发明构思，还提供了如图3所示的多无人机协同的智能巡检装置20，该多无人机协同的智能巡检装置20包括以下功能模块：第一获取模块21，用于获取第一多旋翼巡检无人机当前航测到的路段巡检定位车辆的第一可视化航测数据；其中，所述第一多旋翼巡检无人机用于路段巡检过程中的全路面航测；第二获取模块22，用于从非巡检信息库中获取第二多旋翼巡检无人机航测到的所述路段巡检定位车辆的第二可视化航测数据，其中，所述第二多旋翼巡检无人机用于非路段巡检过程中的全路面航测；对比分析模块23，用于对比分析从所述第一可视化航测数据中确定出的所述路段巡检定位车辆与从所述第二可视化航测数据中确定出的所述路段巡检定位车辆；车辆关注模块24，用于当对比分析结果表示所述第一可视化航测数据中所述路段巡检定位车辆的第一视觉行为关键内容与所述第二可视化航测数据中所述路段巡检定位车辆的第二视觉行为关键内容之间的内容差别量化值大于设定量化值时，提醒所述路段巡检定位车辆为需要进行关注的定位车辆。
88.综上，基于上述技术方案，通过多无人机协作，能够获取路段巡检过程中的第一可视化航测数据以及非路段巡检过程中的第二可视化航测数据，进而对从第一可视化航测数据中确定出的路段巡检定位车辆与从第二可视化航测数据中确定出的路段巡检定位车辆进行对比分析，这样可以更为精细化地分析路段巡检定位车辆在不同可视化航测数据下的视觉行为关键内容之间的内容差异，并通过内容差别量化值判断路段巡检定位车辆是否为需要进行关注的定位车辆。如此，能够准确及时地进行车辆的异常行驶行为识别，从而改善相关技术中对于异常行驶行为识别不准确及车况异常警示滞后性的技术问题，在一定程度上提高无人机全路段巡检的效率。
89.在本技术实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻
辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
90.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
91.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，智能巡检系统10，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
92.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。